昨天在实验室开完了知识计算组，2019年秋学期的最后一个大的组会。
上台讲解的主要有三人，大师兄xu han，带我的学长yuan yao，以及另外一个博士生zhengyan zhang。这三人都非常的有意思。
带我的yuan yao先上台就用5分钟时间讲完了接下来的一个学期的主要工作，其中我的工作放在第三个。看来大家对我的工作还是挺认可的，觉得这个能够work，我也要努力才行呀。不过yuan哥讲的是在是太快了，让我忍不住暗暗吐槽一句hhhhh.
张学长讲的还是挺好的，主要做的是预训练语言模型的，他之前参与的工作有GNN的综述和对BERT模型的改进，写的非常不错，一年多多时间引用超过150次。此前在ICLR的论文研讨会上也对bert-like model有不错的见解，他指出了接下来的工作会主要放在模型的改进上，我觉得还是比较promising的。
韩师兄是最高屋建瓴的，从各个角度剖析了知识计算、知识获取这个角度在接下来的一年内有的新的方向和新的问题角度，让我受益匪浅。
三位师兄讲完了之后，大家都在等老板过来，老板过来之后重新看了一下三位师兄的内容，觉得张师兄讲的最差
原因让我觉得非常的震惊：
不是说提出的方向和idea不能work，而是因为其没有从一个广大的角度去全面的概括预训练语言模型
张师兄虽然描述了在fine-tune和训练时有很大的障碍，而这是他今后的努力方向之一。但是老板指出：我觉得你肯定能够做出来，你又不是不会发论文，而我们要做的工作要更加具有思考性。你需要从各种方面概括PLM面临的问题，从全局角度去统筹今后的努力方向。像你这种idea，我们这里本科生也能做，我们有这么多本科生。像你这样的高年级学生的工作，应该更加具有思考性才对，你是去指导本科生的
"我们要保证自己的工作需要更加具有思考性，别人做到什么程度如果别人也能想到的，说明这也没那么有意思，我们需要去做一些，问题容易想到但是idea不容易想到的，甚至说这个问题都不容易被人发觉，不容易被想到的，这样的工作才更有影响力。我们今年发表了39篇论文，还没有算上这一次的ACL投稿了19篇。太多了，太多了。明年不可以发这么多文章，我们需要保证每一篇对自己有更大的突破，也对学术界有更大的贡献"
我听完很有感触。我需要从更高的角度去思考问题了。
老板说话非常客观。他从不说自己的组是知识计算方面国内最强的（事实上很多人是觉得是这样的。
“我们组是知识计算国内最大的组”
而从不说自己是最强的，
如果说在这样的组里面最大的好处是什么，那么就是：
“在这里的idea如果做不出来，那么在别的地方做出来的概率也不会高。所以你就放心去做吧，有这么多的学长和老师。没问题的”
